Как проехать Контакты 
Библиотека
Общие сведения
Вход для зарегистрированных читателей
База данных АГРОС
Библиотека-депозитарий ФАО
Издания
Выставки
Виртуальные выставки
Электронные библиотеки ЦНСХБ
Сельскохозяйственная Электронная Библиотека Знаний (СЭБиЗ)
Биографическая энциклопедия ученых-аграриев

ЦЭБС АПК
Сводный каталог библиотек АПК
Каталоги библиотек АПК
Обменный фонд
Электронная библиотека Сводного каталога
Ведомственный экземпляр НИУ

Услуги
Избирательное распространение информации
Доставка документов
Терминал удаленного доступа
Виртуальное библиографическое обслуживание
Форум читателей ЦНСХБ
Инструкции
Информационные услуги
Вы являетесь

посетителем
Рейтинг@Mail.ru Яндекс.Метрика
[Ввод запроса]

^ШХР: *http://maxwellsci.com/jp/archives.php?jid=AJFST (http://maxwellsci.com/jp/archives.php?jid=AJFST)
^АВТ: Haibo Zhao; Xianghong Zhou
^ЗГЛ: Recognition of artificial ripening tomato and nature mature tomato based on the double parallel genetic neural network [Распознавание искусственно (опасных для здоровья) и естественно созревших плодов томата по их окраске с помощью сетевой модели. (Китай)]
^ВЫХ: Advance Journal of Food Science and Technology, 2013; Vol.5,N 4. - P. 482-487
^ДАТ: 2013
^ПРМ: Bibliogr.:p.486-487
+Реферат

^РЕФ: Разработана система автоматической идентификации цвета томатов, имеющая структуру двойной параллельной нейронной сети с генетическим алгоритмом обучения. При анализе плод томата помещают на подложку таким образом, чтобы через отверстие в подложке плодоножку и прилегающую к ней область было видно в объектив цифровой камеры. Напротив находится др. камера, снимающая противоположную часть плода. На подложке также имеются 2 зеркала, установленные под углом в 45° к ее плоскости, позволяющие увидеть др. проекции. Изображения получают в цветовой модели RGB (красный, зеленый, синий), компьютер преобразует данные в модель HIS (цветовой тон, насыщенность, яркость). Система позволяет выявить плоды, подвергнутые ускоренному созреванию (потенциально вредные для здоровья потребителей), т.к. их цветовые характеристики отличаются от таковых плодов, созревших естественным образом. После обучения системы на 80 образцах точность распознавания др. 80 образцов составила 93,8%. Это значительно выше, чем при обучении сети с использованием алгоритма обратного распространения ошибки. Разработанная система имеет неплохие перспективы практического применения. Ил. 4. Табл. 4. Библ. 14. (Климова Е.В.).

^TRN: 1390502
^ВИД: Статья из книги
^ЯЗК: Английский
+Индексирование



  назад   Главная страница ЦНСХБ  

Все права защищены 1998-2016 год ©Федеральное государственное бюджетное научное учреждение «Центральная научная сельскохозяйственная библиотека»